SpatialTrackerV2：三维点跟踪，化繁为简

我们提出了 SpatialTrackerV2，这是一种用于单目视频的前馈式三维点跟踪方法。与那些基于现成组件构建的模块化三维跟踪流程不同，我们的方法将点跟踪、单目深度和相机位姿估计之间的内在联系，统一整合到一个高性能的前馈式三维点跟踪器中。它采用完全可微的端到端架构，将世界空间中的三维运动分解为场景几何、相机自运动和像素级物体运动，从而能够在合成序列、带位姿的 RGB-D 视频以及无标签的真实场景录像等各种数据集上进行可扩展的训练。通过从此类异构数据中联合学习几何与运动，SpatialTrackerV2 的性能比现有三维跟踪方法高出 30%，在精度上可与顶尖的动态三维重建方法相媲美，而运行速度则快了 50 倍。